# export_from_seaweed_v1.2 — sestavení stromu dokumentů ze SeaweedFS

**Verze:** 1.2 · **Datum:** 2026-06-15

Sestaví na disk strom dokumentů studie z **Mongo `VTMF.documents` + objektů
v SeaweedFS Fileru**. Náhrada za dřívější ukládání do Dropboxu — pipeline
ukládá jen do SeaweedFS, tenhle skript kdykoli „vytáhne aktuální verzi"
čehokoli na disk pod čitelnými jmény.

## ⚠️ Pravidlo příslušnosti ke studii = `scopes[]`, NE `studies[]`

Tohle je klíčové a platí pro každý dotaz „co je ve VTMF na study/country/site
úrovni studie X":

- **`scopes[]`** = `"<level>|<study>|<country>"` — odkud jsme dokument reálně
  natáhli (který report/úroveň). **Tohle určuje příslušnost** k TMF studie.
- **`studies[]`** = jen M:N reference — kam všude je dokument ve Vaultu
  přilinkovaný (klidně 8–12 studií). Pro výběr „TMF studie X" se NEpoužívá.

Příklad: dokument sdílený s CRD3001/MDD3003 je má v `studies[]`, ale když má
`scopes=['study|77242113UCO3001|']`, patří do TMF **UCO3001**, ne CRD3001.
Skript proto vybírá přes scopes (regex `^<level>\|<study>\|`); studie, která
přes scopes nemá nic (neproběhla pro ni pipeline), se přeskočí.

## Pojmenování a struktura

Podle původních Dropbox pravidel (pipeline v1.5):

```
<OUTPUT_ROOT>\<základní podadresář>\<Type>\<Subtype>\
    "YYYY-MM-DD Description [VTMF-xxx] [v1.0].<přípona>"
```

Základní podadresář podle úrovně:

| Úroveň | Podadresář | Poznámka |
|---|---|---|
| study | `STUDY` | |
| country | `COUNTRY` | |
| site | `<číslo centra>` | dokument se zapíše do složky **každého** centra ve `sites[]` (sdílený dokument = víc kopií → browsable strom po centrech) |

Datum / verze se z názvu vynechají, když chybí. `Type`/`Subtype` prázdné → `_`.

## Rychlé nastavení (nahoře ve skriptu)

```python
STUDIES = ["77242113UCO3001", "77242113UCO3002",
           "77242113CRD3001", "42847922MDD3003"]   # víc najednou
OUTPUT_ROOT_TMPL = r"U:\{study}"                    # {study} = kód studie
EXPORT = {"study": True, "country": True, "site": True}   # True/False
OVERWRITE = False                                   # True = přepsat existující
```

## Chování

- Stahuje jen `deleted=False, downloaded=True, placeholder!=True, seaweed_path!=None`.
- **Idempotentní** — existující soubory přeskakuje (resume). Lze pouštět
  opakovaně pro „aktuální stav".
- Stáhne obsah jednoho dokumentu jednou, u site-level ho zapíše do všech
  cílových složek center.
- Studie bez scopes se přeskočí s hláškou (pipeline pro ni ještě neběžela).

## Spuštění

```powershell
& "U:\PythonProject\Janssen\.venv\Scripts\python.exe" "U:\PythonProject\Janssen\VTMFDownloadFiles\export_from_seaweed_v1.2.py"
```

Předchůdci: v1.0 (jen study, pevně), v1.1 (přepínače, filtr přes studies[]) — v TRASH/.